Nesterov的加速前后向算法（AFBA）是一种有效的算法求解一类由可微函数组成的二项凸优化模型Lipschitz连续梯度加上一个不可微函数接近操作员。结果表明，AFBA生成的迭代序列具有修正的Nesterov动量格式收敛到目标函数的极小值澳元（frac{1}{k^2}）$收敛速度以函数值（FV-收敛速度）表示，收敛速度以连续迭代之间的距离（DCI-收敛速率）表示。在本文提出了一个更一般的动量格式，引入了幂参数$ω∈（0,1]$，并证明了该动量格式的AFBA收敛到极小值目标函数的$o（frac{1}{k^{2ω}}）$FV-收敛速度和$o（分形{1}{k^ω}）$DCI收敛费率。所提出的动量方案的普遍性为我们提供了各种参数针对不同场景的选择，这使得生成的算法实现起来更加灵活性能更好。然后，我们将AFBA与所建议的动量方案结合使用，以解决平滑铰链损失$У1$-支持向量机模型。数值结果表明提出的广义动量方案优于现有的两种动量方案。
